Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378), страница 113
Текст из файла (страница 113)
— М 4. 319. Тайута /7. А !чо-!ече! соппп!1(ее тасЬ!пе: а гергезеп1аИоп апб а 1еагп(пц ргосебиге (ог Велеса! р(есеиИе Ппеаг йвспт!пап! $ипсИоп П РаИегп йесоВпИюп. — 1981. — 13.— НЗ. — Р. 269 — 274. 320. Те/слег //. $бепИПаЬИИу о! т!х(игез П Апп. Ма(Ь. 51айз1.— 1961. — 32.
— ь' !. — Р. 244 — 248. 321. ТеасЬег Н. !бепИПз(П!Иу о( ПпИе гп!х(игев I/ Апп. Ма!Ь. 51аИв!. — 1963. — 34.-- М4 — Р. 1265 — !269. 322, Тгие!! !„Согл/!е!Й 7., Калле( $Т. А Л твИ!чаг(а1е апа!уяв о! 1Ье г!в(с о1 согопагу Ьеаг1 йвеазе (п Ггат(испат !/ Зоигп. СЬгоп. РИ. — 1967 — !9. — Р. 7!1 — 715. 323.
Ти/геу Р А., ТиЬсу А $7с. Огар(йса! йьр1ау о! ба(а ве(в !и 3 ог пюге йтепвюпз' ргерага1юп; ргесЬовеп весвепсев о1 ч!ечсзП ! и!егргеИпц пшИ(чапа$е ба1а ! Ч. Вагпе1 (еб). — С(йсЬсз(ег: %Псу. — !98!. — Р, !89 — 274. 324. !'хагаи Н. Рге!егепсе апб гаИопа! сЬо!се (п 1Ье 1Ьеогу $ипс(юп П Есопоте1гПса. — !949. — !7, — М2. — Р, !95. 325.
Уал СатрелАои/ А Ч. Тор(св !и Меазигтеп1 Бе!есИоп // НапбЬоо(с о$5!аИзИсз П Кг(зЬпа(аЬ Р, й. (Еб!. — Чо1. 2-' С!аьзй(саИоп, Ра11егп гесоВпИ(оп апб йейкИоп о! б(гпепйопай(!. — Мог(Ь-НоПапб. — !982. — Р. 793 — 803. 326. Уав(сеу О. Л !ев( о( Моппа!Иу Вавеб оп Катр!е Еп(гору П Л.й. 51аИв(. Вос. — ! 976. — Чо!.
38. — Вег. В. — Р. 54 — 59. 327. Уа/гога(!г 5. А., 5ргад/лз. 7. Оп Фе !беп(!$!а(П!Иу о! ПпИе пнх!вгев П Апп. Ма1Ь. 5!айь1. — 1968. — 39. — Н!. — Р. 209 — 214. 328. Уелуа/соо !. 5. Ое(есйп8 оиИ1егв апб с!вв1егв 1п тиИ!чаг!а(е ба(а Ьазеб оп рго!есИоп рвгзиИ П Ргосееб(п8в о((Ье %огЫ Соп8гезв о! Вегпои1П 5ос!е1у, ТавЫсеп1, $$58й, Бер(етЬег АЛФАВИТНО-ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ Автоматическая классификация 7, !8 19, 143, !44 — — общая теория 8 Агрегирование (простое) признаков 18 АИБ-Хоккнт 431 Алгоритм — агломератнвный 250 — днвнзнмный 250 Алгоритм — движение 228 — ннтерпрегнрующнй функционал 288 — стабнлнзнруемость 288 — сходнмость 288 Анализ данных 9 Анализ соответствий — — для двухвходовых таблиц сопряженностей 448 †4 — — множественный 455— 464 — — вопросы интерпретации 463 †4 — — вычислительная процедура 461 †4 Апостернорный математнко-постановочный этап исследования 43, 46 Априорный математнко-постановочной этап исследования 42, 46 Аппроксимация функции регрессии иа основе ЦП 515 Аснмптотнка растущей размерности 88 — 90, 93 †1, 107— 108, 112 — традиционная 89 Априорные сведения о модели 34, 35 Байесовское правило классяфикацнн 48, 78, 81 — 82 Бинарные переменные 302 Бинарная форма матрицы данных 455 Бхатачарня расстояние — см.
Качества классификации ха. рактернстнкн Бюджетные обследования семей 20 Вектор ннцидентностн вершины графа 273 Визуализация (наглядное представление) данных 32 Визуальное отображение строк н столбцов таблицы сопряженностей 455 Вычислительный этап исследо. вання 43, 46 Генерирование на ЭВМ данных 10 Геометрическая н вероятност. ная природа данных 7 Главная компонента класса 288 Главные компоненты 7, 38, 116, 340 — — в задачах классификации 364 — 371 — — статистические свойства 354 †3 — — экстремальные свойства 348 †3 Главных компонент метод 334, 339 †3 Градиент функции на многообразии проекций 548 Граф иерархии 249 — близости 273 — — на уровне порога 275 — полный 273 — связанный 274 Графа компонента 274 — «-блок 278 — клика 278 — «-клика 278 — й-компоиеита 277, 279 — «-связка 277 11войиое пеитрироваиие матрицы расстояиий 440 Деидрограмма 144 Дивергеиция — см.
Качества классификации характеристики Дискримииаитиый аиализ 7, 19, 83, 111 †1, !23 †!25 — — алгоритм 84 — 85, 90— 98, 1!2 — — качество 85, 112, 125— 128 — — иепараметрический 35 — — параметрический 35 Доля разброса, объясиеииая классификацией 312 Допустимых преобразоваиий класс 37 Древообразиый классификатор 68 — 71, 82 ДОЗ вЂ” древообразиая структура зависимостей кооРдинат вектора 50, 59, 75 — 76, 96, !!7 †1 Иерархической процедуры классификации 144 — — — агломеративиые 155 Иерархия иа множестве 249 — — — бииариая 250 — — — иидексироваииая 250 Иидексация иерархии 255 — — строгая 255 Иителлектуализация статистического программиого обеспе.
печеиия 7, 10, 558 — 562 Ииформапиоииый этап после. доваиия 42 Использование «обучеиия» в иастройке математических моделей 16 Итоговый этап исследоваиия 43, 46 Каиоиические дискримииаит. иые направления 3!4 Качества классификации характеристики 60 — 61, 69, 80, 125 †1 — — — Д 62 — 67, 81, 127— 128 — — — Х 66 — 67 — — — В 67, 125 — — — методы 126 — 127 Кваитификапия — вм. Оцифровка — дииамических траекторий 29 — как иеобходимый предварительиый этап 24 — иа уровие порога 276 — объектов 5, !3, 43, 145 — — без учителя 7 — — иерархическая 13 — — с учителем 7 — объясняемая через перемеииые 323 — объясияющая перемеииые 318, 3!9 Класс джокер («ие зиаю>, «отказ») 290 Кластер 313 Кластер-аиализ 7 — вероятиая модификация 146 Кокса факторизация — см. Риск мгиовеииый Колмогорова — Деева аеимптотика — сл. Асимптотика растущей раэмериости Комбинациоииые группировки 18, 27 Компетеипии область 73 — 74 Коордииантная пипия в миогообразии проекций 547 Корреляционное отношения 318, 319 Корреляциоииых влеки мегод 415 Коэффипиеит обучаемости алгоритма 86, 128 Критерий автоинформативиостн 31, 36, 38, 39 — внешией икформативиости 36, 39, 40 — информативиости 30 — качества классификации 311, 318 — — метод 17, 156 — 162, 163 — отношения правдоподобия 47, 54, 58, !18 †1 — типа «стресс» 442, 444 Критическая область 48 — — граиипа 51 Кульбака расстояние — см.
Качества классификации характеристики Кусочио-лииейиый классификатор 53 — 55 Лакоиичиое объясиеиие при- роды анализируемых многомерных структур 15 Латентно-структурный анализ 32 Латентные факторы 16, 31, 42! ЛДФ вЂ” линейная дискримииаитиая функция — см Разделяющая гиперплоскость Логический классифнкатор— см. Древообразный класснфитор Ложноотрицательных, ложиоположительных доля 61 Макроструктура фондов пот еблеиия 431, 433, 434 атематическая статистика Я, 10 Матрица Берта 459 — внутриклассового разброса (рассеивания) 305 — взбъект †свойст» !5, 43 — попарных сравнений (взаимных расстояний) 15, 143 Медиана абсолютных отклонений (щад) 502 Метрика 23, 148 — адаптивная 304 — Лндеиберга 303 — взвешенная евклидова 307 — взвешенная типа «ситнблок» 307 — для задач кластер-анализа с неколнчественными переменными 302 — 304 — махаланобисского типа 148 — махаланобисова 304 — «сити-блок» манхэттенская 231 Метрики семейства Махаланобнса 231 Многомерная структура 15 Многомерный статистический анализ 14, 44 Многообразие Грассмана 545 Модели структур в данных 473 — 474 Модель алгоритма 288 — — корректная 297 — — — усиленно 298 — двух дискретных распределений с независимыми блоками 49, 59, 95 — 96 — — — — с одной и той жв древообразной структурой зависимостей 50 — — нормальных распределений с общей ковариационной матрицей 50, 61 — 63, 66.
75, 84, 94 — 96, 98 — 104 — — — — с разными ковариационными матрицами 51, 67 — упорядоченных классов 79 — 80 Монотонная регрессия 444 Непараметрическое оцениванне 118 †1 Неполные обучающие выборки 267 †2 Неравенство Юнга 542 Носитель плотности 246 Область взаимного поглощения 2!9 Обучающая информация (выборки) 17, 34 Общие факторы (в факторном анализе) 388, 400, 4!9 ООК вЂ” ожидаемая ошибка классификации 85, 128 Оптимизационные (экстремальные) формулировки статистических задач 9, 1О, 17, 156, 162, !63.
172 — 179, 180 Основная задача томографии 52! Отбор информативных переменных 74 — 77, 104 — 109, 112 — наиболее информативных показателей 7, 30, 336, 337 Относительный риск 61 Ошибка классификации 47, 52 — 53, 61, 81, 85 — 86, %, 128 — — ожидаемая — см. ООК Ошибочной классификации вероятность 56, 68 — — — условная — сл. УОК Оцифровка 8, 96 — 98, 454 — 455, 457 — 459, 464 — 471 Онифрованное изображение графа иерархии 259 Подграф Г-максимальный 273 — О-полный 274 — з.связанный 277 Подвыборка, несмещенная в шаре 222 Покрытие нечеткими классами 240 Постановочный этап нсследования 42 Потенциальных функций метод 71 — 74 Преобразование Радона 531 Признак объясняющий (описательный) 26, 28 — результирующий 26, 27 Прикладная статистика 5, 10 589 Принцип взаимного интереса и симпатии 218 Проблема аддитнвиой константы 441 Прогноз структуры потребления 24 Программное обеспечение 10, 41 Проекционные индексы — — вычисление градиента 527 †5 — — для выявления аномальных наблюдений 509— 512 — — — — кластерной структуры 490 — 496 — — для дискрнмииантного аиалиаа 502 — 509 — — Краскала 493 — — «наивные», для выделения нелинейных структур 514 — — основанные на моментах третьего н четвертого порядка 492, 493 — — — — распределении разностных векторов 494 †4 — — оценка значений 526— 527 — — типа функционалов от плотностей распределения проекций 496 Проекция евклндовых пространств 530 — — — одномерная 530 — — — ортогональная 530 — распределения 530 Пространство описаний 283 — поведения 21, 22 — покрытий 231 — представителей 231 — представительств 231 — состояний 21, 282 Псевдоцеитр класса 238 Профили 449 — веса 451 Процедуры класснфнкацин параллельные 217 — — последовательиме 219 Псевдоразброс 238 Псевдорасстоянне 237 Разбиение на нечеткие классы 240 Разброс — см Рассеивание Разброс размытого множества внутриклассовый 242 — — — прядставнтеля (ядра) 242 — — — относительно точны 241 Разведочный статистический ' анализ 6, 7, 42, 46 Разделнющая гиперплоскость 52 — 53, 58, 113 — ! 16, 129 Размытое подмиожестно 240 Распределение с »( (й)-зависимостью 59, 76 — трансформнрумое к нормальному 58 — 59, 118 †1 — эллнпсондальиое 57 Рассеивание внутриклассовое 305, 3!2 — межклассовое 312 — общее (полное) 312 Расстояние «ближнего соседа» 153 — «дальнего соседа» 153 — евклидово 148 — — взвешенное И9 — Махалзиобнса — сж Качества классификации характеристики — (мера близости) между классамн 153 — 156 — — — — — обобщенное (по Колмогорову) — — — — объектамн 147— 153 — средней связи 154 — Хэннинга 149 Расщепление смесей вероятностных распределений 144 Радиуса коэффициент — см.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
